К содержанию
Quantoros

Когда выбрать K-means, а когда DBSCAN?

Classic MLУровень: ПрактикаClustering

Когда выбрать K-means, а когда DBSCAN?

Подсказки
  • Как в этом методе определены близость и форма группы?
  • Рассмотрите шум, выбор числа групп и влияние масштаба признаков.

Ответ

DBSCAN удобен при шуме и когда число кластеров заранее неизвестно; он выделяет области плотности. K-means обычно удобнее как быстрый масштабируемый вариант, если число групп можно задать и форма кластеров соответствует его предпосылкам. Выбор зависит также от расстояния, размерности и структуры данных.

Источник и лицензия: Alexey Grigorev & contributors — Data Science Interviews · CC-BY-4.0 · перевод: Quantoros

Похожие вопросы